如何为神经网络编码事件的日期和时间？
我没有连续的时间序列，但是有一些带有日期和时间的事件，并且我分析了一些兴趣。这种兴趣在早晨和晚上之间有所不同，在工作日之间，夏季和冬季之间以及圣诞节和复活节之前等等也有所不同。而且事件本身在时间上有很强的不均匀分布（白天多于晚上，一周中有更多种类，周末中有更多种类）。
我尝试将其编码为年中的“周数”，“工作日1-7”和“小时”。但是，使用稀疏的自动编码器给我的印象是，我的数据对神经网络没有任何意义，即使具有很大的隐藏层，它也无法在输入附近重现任何内容。既不是分类0-1，也不是归一化值。
但是，为神经网络搜索时间编码通常会提供有关时间序列的信息，因此我被森林蒙住了双眼，但却在寻找树。
当然，我可以查看数据并将其大致视情况归类。但是深度学习的概念似乎席卷了所有手工制作的手工特征提取。并且分类将在自然连续的输入变量中插入较大的跳跃。
我大脑中的“自然编码”更像是“夜”，“早晨”，“工作日”等某些类别的模糊成员。
为了使整个事情更有趣，dependend变量还包含那些日期/时间数据，但这是一个不同的问题。
编辑：与循环数据有关的某种方式是一些最近的问题，例如